Tecnología / MUNDO

Meta aprovecha capacidad de inferencia ociosa para recomendar anuncios

Meta agrupa los espacios de capacidad ociosa por región y tipo de acelerador en un fondo compartido de inferencia oportunista, aunque la flota esté limitada en conjunto. Su sistema de clasificación de anuncios usa dos palancas: Rank More Ads evalúa candidatos adicionales y Serve Better Models cambia la proporción de solicitudes que se envía a un modelo más potente.

Ilustración conceptual de tecnología, procesadores e información conectada.Ilustración
Ilustración simbólica

Rank More Ads necesita excedentes de CPU y aceleradores para evaluar candidatos adicionales. Serve Better Models mantiene fijo el número de candidatos y dirige algunas solicitudes al modelo más potente, por lo que puede aprovechar excedentes solo de aceleradores. Las dos vías consumen combinaciones distintas de recursos disponibles.

Meta aísla física o lógicamente el servicio base del trabajo opcional. Los bucles centrales se ajustan en minutos, mientras que la reducción de carga en servidor y cliente puede descartar trabajo opcional de menor valor en milisegundos cuando se recupera capacidad.

El enrutador elige qué solicitudes reciben el modelo más potente mediante un proceso de exploración y explotación que mide periódicamente el valor incremental; si cae la capacidad, pueden volver al modelo base. El artículo de Meta describe la arquitectura y los controles, pero no cuantifica una mejora en el rendimiento publicitario.

Datos

Cronología

Meta aprovecha capacidad de inferencia ociosa para recomendar anuncios

  1. · Ocurrido

    Meta aprovecha capacidad de inferencia ociosa para recomendar anuncios

    Meta agrupa los espacios de capacidad ociosa por región y tipo de acelerador en un fondo compartido de inferencia oportunista, aunque la flota esté limitada en conjunto. Su sistema de clasificación de anuncios usa dos palancas: Rank More Ads evalúa candidatos adicionales y Serve Better Models cambia la proporción de solicitudes que se envía a un modelo más potente.

Metodología

Este registro de evento resume la publicación fechada de la fuente primaria citada. Las afirmaciones de producto o prueba de la fuente no se presentan como resultados verificados de forma independiente.

Actualizado:

Cobertura estructurada

Temas y lugares

Propuestas temáticas

Versión de la taxonomía: IPTC Media Topics 2026-Q2

Seguir leyendo

Tecnología

Google Cloud y Temporal prueban workers sin servidor

Google Cloud y Temporal abrieron en vista previa una integración que ejecuta trabajadores de Temporal Cloud en grupos de trabajadores de Cloud Run. Temporal ajusta la capacidad observando la demora de las colas de tareas, y el grupo puede reducirse a cero cuando queda inactivo. Los trabajadores operan en el proyecto, la cuenta de servicio y la red del cliente.

Google Cloud1 min de lectura Incluye datos
Tecnología

Cohere explica cómo el perfil de las solicitudes afecta la inferencia de Embed y Rerank

Cohere afirma que elegir inferencia compartida o dedicada para Embed y Rerank depende del trabajo por solicitud, el patrón de tráfico, la utilización y la latencia requerida. Las solicitudes por minuto no bastan: la indexación por lotes prioriza el rendimiento, mientras que la búsqueda interactiva requiere baja latencia.

Cohere2 min de lectura Incluye datos